深度学习 其三 OpenCV图像处理

OpenCV 图像处理：

配置 py 环境

1.anaconda 来配置 py 环境—>envs 文件夹里面可以创自己的虚拟环境

—anaconda prompt 用于配置 py 环境的

1
2
3
pip install opencv-python #使用import cv2来加载库，可以+==3.4.1来下载没有申请专利的，最新这是4.11.0.86
exit()
pip install opencv-contrib-python #使用import

如果有多个环境，不确定装到哪里，可以先用：

1
conda info --envs

查看当前有哪些环境，激活你想用的再装包。

dcd6d306880e771a935b244fe241cce1

—Jupyter Notebook

image-20250428131808863

可以用这个写代码

图像基本操作：

一张彩色图片通常由 3 种颜色通道（矩阵）合成—RGB（三原色），每种矩阵都是一张灰度图（二维矩阵），像素点的值是 0-255（从小到大越来越亮）

而每个像素点的表示就是三原色的综合—R,G,B，（R,G,B），范围为 0-255，如（0,0,255）为蓝色，计算机通过把三个灰度图对应像素点的值组合起来，构成多种多样的颜色

1
2
3
4
5
6
7
8
9
import cv2
img=cv2.imread('dog.jpg') #读取图片

print(img.shape) #查看图片的形状，（高，宽，通道数） 通道数就是图片由几个颜色层组成，如RGB三个

print(img[100,100]) #输出矩阵中100,100位置像素点的B,G,R（按照这个顺序来输出）
# 分离通道
b, g, r = cv2.split(img)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#基本图形解析实验
import cv2
#因为OpenCV里面cv2工具包的读取顺序不同，所以展示的时候最好用cv2里面的展示工具包函数

#cv2.imshow('x',y)--->x是给窗口指定一个名字，y是读取图片变量的变量名，这里要搭配下方函数，不然会直接闪过
#cv2.waitKey(0)--等待时间（毫秒），0即不自动关闭
#cv2.destroyAllWindows()-->鼠标任意键关闭窗口

#print(img.shape)       (高, 宽, 通道数)
#print(img[100,100])    [B, G, R]，即蓝、绿、红的值

#如果要读一个灰度图，可以自己手动给函数加第二个参数
#IMREAD_COLOR彩色图
#IMREAD_GRAYSCALE灰度图
#img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)--->注意：这里灰度图前面前缀一定要加上cv2.
import matplotlib.pyplot as plt #用于绘图的基本展示
#plt.plot()：画折线图
#plt.imshow()：显示图片（常用于图像处理） --->只是把图片准备好，下面才是显示图片
#plt.show()：显示所有绘制的图形
import numpy as np #最基本的数值工具工具包
#创建和操作多维数组（如图片的像素矩阵）
#数学运算（加减乘除、矩阵运算等）
#随机数生成、统计分析等

image-20250428212339412

1
2
3
4
5
6
7
8
9
10
11
#实际上，视频也是由一帧一帧图像组成，我们也可以用cv2函数来获取视频文件，对视频进行操作
#读取视频操作：
vc=cv2.VideoCapture('x')#--->x是视频文件，把视频拆分成每一帧
#检查视频是否能打开：
if vc.isOpened():
    open, frame=vc.read()#--->每次的vc.read()是对视频的每一帧的读取
else:
    open=False
while(open):
    vc2.imshow('1',frame)
    vc2.show()

image-20250428214712344